В настоящей статье рассматривается структура памяти в ее базовых характеристиках: пропускная способность, коммутация и «диспетчеризация» информационных потоков в системе организации памяти. Пропускная способность ассоциируется с фильтрацией информационных потоков – в радиофизической аналогии «сигнал – шум», в том числе. Подчеркнута предпочтительность отбора информации по энергетическому ее содержания. Вводятся – для полноты и детализации разрабатываемой модели памяти – понятия коммутаторов и диспетчеров памяти, как молекулярных, клеточных и др. образований, распределяющих (отсылающих) полезную информацию в соответствующие разделы библиотеки памяти. Подчеркнуто, что все элементы памяти могут эволюционировать по мере структурирования, наполнения и переструктурирования библиотеки памяти. В рамках разрабатываемой авторами ионно-молекулярной модели памяти настоящая работа в наибольшей степени использует радиофизическую аналогию, что есть универсальный подход во всех научных отраслях, где предметом первостепенного рассмотрения являются объекты обработки информации. Это уже стало научной аксиомой; главное, чтобы определенный (радио) физический формализм в конкретной модели обретал качество адекватности исследуемым процессам. В статье этому уделено особое внимание, в том числе в строгой последовательности и соподчиненности излагаемого материала. Особо подчеркнуто, что эволюция всех пропускных и классифицирующих элементов памяти подчиняется общим системным законам структурирования и оптимизации в (радио)физической интерпретации.
структура памяти, пропускная способность, коммутатор информации, диспетчер информации, информационный фильтр, матрица памяти, конформация, библиотека памяти
1. Герасимов И.Г., Яшин А.А. Ионно-молекулярная модель памяти. Основные определения, виды памяти (Краткий обзор) // Вестник новых медицинских техноло-гий. 2013. Т. 20. № 4. C. 165-170.
2. Герасимов И.Г., Яшин А.А. Ионно-молекулярная модель памяти. Материальные носители доставки и хранения информации // Вестник новых медицинских технологий. 2013. Т. 20. № 4. C. 171-176.
3. Иванов-Муромский К.А. Мозг и память. К.: Наук. думка, 1987. 136 с.
4. Kothari R., Lotlikar R., Cahay M. State-dependent weights for neural associative memories // Neural. Comput. 1998. V. 10. № 1. P. 59-71.
5. Lee D.L., Wang W.J. A correlation significance learning scheme for auto-associative memories // Int. J. Neural. Syst. 1995. V. 6. № 4. P. 455-562.
6. Lee D.L., Wang W.J. Equilibrium and attractivity analysis for a class of hetero-associative neural memories // Int. J. Neural. Syst. 1996. V. 7. № 3.- P. 287-304.
7. Shinomoto S. A cognitive and associative memory // Biol. Cybern. 1987. V. 57. № 3. P. 197-206.
8. Schonemann P.H. Some algebraic relations between involutions, convolutions, and correlations, with applications to holographic memories // Biol. Cybern. 1987. V. 56. № 5-6. P. 367-374.
9. Gardiner K., Davisson M.T., Crnic L.S. Building pro-tein interaction maps for Down´s syndrome // Brief Funct Genomic Proteomic. 2004. V. 3. № 2. P. 142-156.
